hhpoker原名德?lián)淙?最新下載地址, 適用于蘋果安卓華為,客服24H實時響應(yīng)多對一全方位對接,加入HHPOKER俱樂部,開啟您的VIP德?lián)渲?

據(jù)介紹，該公司開發(fā)的 Stress 工具能夠在不停機的狀態(tài)下，跨處理器乃至跨集群檢測易引發(fā)靜默數(shù)據(jù)錯誤（SDC）的核心。

特斯拉報告顯示，經(jīng)優(yōu)化配置的 Stress 監(jiān)測系統(tǒng)在 Dojo 集群中檢出大量故障核心。檢測耗時分布呈現(xiàn)兩極分化：多數(shù)缺陷在執(zhí)行 1GB-100GB 負(fù)載指令（數(shù)秒至數(shù)分鐘）時被發(fā)現(xiàn)；難檢測缺陷需執(zhí)行 1000GB 以上指令（數(shù)小時）。

wpk客戶端下載

為每個核心分配 0.5MB 隨機指令專屬負(fù)載，利用訓(xùn)練模塊內(nèi)部高帶寬通信（而非主機通信）實現(xiàn)核心間負(fù)載傳遞與順序執(zhí)行，將指令測試量提升至 4.4GB 且大幅縮短時間使核心在不重置狀態(tài)下多次運行負(fù)載，增加執(zhí)行環(huán)境隨機性以暴露潛在錯誤。公司稱執(zhí)行次數(shù)增加帶來的速度損失遠(yuǎn)低于檢測可靠性提升通過 XOR 操作周期性整合寄存器值至指定 SRAM 區(qū)域，使缺陷計算單元識別概率提升 10 倍（經(jīng)缺陷核心實測），且性能損耗可控

為應(yīng)對核心故障風(fēng)險，特斯拉最初采用差分模糊測試技術(shù)：生成隨機指令集并同步發(fā)送至所有核心，通過比對輸出結(jié)果識別差異。但因為主機與訓(xùn)練模塊間通信開銷過大，該過程耗時明顯過長。

特斯拉表示，Dojo 是當(dāng)前全球唯二現(xiàn)存的最大處理器之一。這種晶圓級芯片采用整片 300mm 晶圓制成，單芯片尺寸已達(dá)物理極限。

特斯拉透露，Stress 工具除檢測故障核心外，還能發(fā)現(xiàn)罕見設(shè)計級缺陷并通過軟件調(diào)整修復(fù)。在監(jiān)測系統(tǒng)廣泛部署期間，多個底層軟件問題也被發(fā)現(xiàn)并修正。IT之家從官方獲悉，目前 Stress 工具已全面集成至運行中的 Dojo 集群，在 AI 訓(xùn)練期間實施硬件健康監(jiān)測。特斯拉表示，通過該監(jiān)測觀察到的故障率與谷歌和 Meta 公布的數(shù)據(jù)相當(dāng)，表明監(jiān)測工具與硬件水準(zhǔn)達(dá)到行業(yè)同等水平。

特斯拉將晶圓級 Dojo 處理器稱為“訓(xùn)練模塊”，每個模塊包含 25 個 645mm2 的 D1 Chip，采用臺積電 InFO_SoW 技術(shù)封裝，集成 354 個定制的 64 位 RISC-V 核心（含 1.25MB SRAM 用于存儲數(shù)據(jù)和指令），以 5×5 集群排列并通過機械網(wǎng)絡(luò)互聯(lián)，可提供 10TB/s 帶寬。每個 D1 還支持 4TB/s 片外帶寬，因此單個“訓(xùn)練模塊”總共具備 8,850 核心，支持 8/16/32/64 位整數(shù)及多種數(shù)據(jù)格式。

由于 Dojo 大芯片的超高復(fù)雜性，即使在制造過程中也難以 100% 檢測缺陷晶粒，而靜默數(shù)據(jù)錯誤的檢測更困難。

雖然 SDC 在所有硬件上都難以避免，但 Dojo 處理器有著8,850 個核心、18000A 電流及 15000W 的超高功耗，這會嚴(yán)重放大其影響，因此所有核心必須按設(shè)計運行，否則單個數(shù)據(jù)錯誤便可毀掉整個耗時數(shù)周才能完成 AI 訓(xùn)練成果。

特斯拉表示，該技術(shù)不僅適用于訓(xùn)練模塊層級或集成 12 個模塊的機柜層級，更可在集群層級運作，實現(xiàn)百萬級運行核心中的故障定位。

IT之家 6 月 7 日消息，特斯拉昨日發(fā)文，向用戶介紹了其百萬核心級 Dojo 超算系統(tǒng)的故障核心檢測技術(shù)。

為了提高效率，特斯拉想辦法改進(jìn)了其檢測技術(shù)，這個過程主要通過三項創(chuàng)新來完成：

需強調(diào)的是，Stress 工具測試負(fù)載輕量且核心自包含，支持后臺測試無需離線。最終僅故障核心會被禁用，且每個 D1 芯片可容忍數(shù)個核心失效而不影響整體功能。